苏伍各 王宏强 邓 彬 秦玉亮 凌永顺



基于方差成分扩张压缩的稀疏贝叶斯ISAR成像方法

苏伍各*①王宏强①邓 彬①秦玉亮①凌永顺②

①(国防科技大学空间电子信息技术研究所 长沙 410073)②(电子工程学院 合肥 230037)

基于贝叶斯框架下的稀疏重构方法，由于考虑了稀疏信号的先验信息以及测量过程中的加性噪声，因而能够更好地重建目标系数，然而传统的稀疏贝叶斯学习(SBL)算法参数多，时效性差。该文考虑一种新的稀疏贝叶斯学习方法方差成分扩张压缩(ExCoV)，其不同于SBL中赋予所有的信号元素各自的方差分量参数，ExCoV方法仅仅赋予有重要意义的信号元素不同的方差分量，并拥有比SBL方法更少的参数。基于计算机层析成像技术框架下的ISAR成像模型，该文将ExCoV方法结合压缩感知(CS)理论将其进行ISAR成像，并从适用性和成像效果等方面与常用的极坐标格式算法(PFA)，卷积逆投影算法(CBPA)和传统的稀疏重构算法进行比较，点目标仿真结果表明基于ExCoV的方法得到的ISAR像具有低旁瓣，高分辨率的特点，真实数据的成像结果表明该方法是一种比SBL更有效的ISAR成像算法。

逆合成孔径雷达；计算机层析成像；稀疏贝叶斯学习；方差成分扩张压缩；稀疏恢复

1 引言

与传统的稀疏恢复算法不同，基于贝叶斯的方法能够提供稀疏系数完整的后验概率密度函数估计，因而在杂波和噪声环境下能够取得更好的效果。文献[8]首次在贝叶斯框架下提出了贝叶斯压缩感知方法(Bayesian Compress Sensing, BCS)，该方法源于文献[9]提出的SBL算法和文献[10]将其应用于稀疏信号恢复中的算法。……